Microscopic Image Segmentation to Quantification of Leishmania Infection in Macrophages

Authors

  • Guilherme Coelho Universidade Federal do Rio de Janeiro, UFRJ, Brasil. 
  • Arlindo Rodrigues Galvão Filho Pontifícia Universidade Católica de Goiás, PUC GOIÁS, Brasil. 
  • Rafael Viana-de-Carvalho Pontifícia Universidade Católica de Goiás, PUC GOIÁS, Brasil. https://orcid.org/0000-0001-8656-5472
  • Gustavo Teodoro-Laureano Universidade Federal de Goiás, UFG, Brasil. 
  • Samyra Almeida-da-Silveira Fundação Oswaldo Cruz, FIOCRUZ, Brasil. 
  • Clebio Eleutério-da-Silva Fundação Oswaldo Cruz, FIOCRUZ, Brasil. 
  • Rosa Maria Plácido Pereira Fundação Oswaldo Cruz, FIOCRUZ, Brasil. 
  • Anderson da Silva Soares Universidade Federal de Goiás, UFG, Brasil. 
  • Telma Woerle de Lima Soares Universidade Federal de Goiás, UFG, Brasil.  http://orcid.org/0000-0002-4927-2221
  • Adriano Gomes-da-Silva Instituto Nacional de Infectologia Evandro Chagas, INI, Brasil. 
  • Hamilton Barbosa Napolitano Universidade Estadual de Goiás, UEG, Brasil; Centro Universitário de Anápolis, UniEVANGÉLICA, Brasil. https://orcid.org/0000-0002-6047-9995
  • Clarimar José Coelho Pontifícia Universidade Católica de Goiás, PUC GOIÁS, Brasil; Centro Universitário de Anápolis, UniEVANGÉLICA, Brasil.

DOI:

https://doi.org/10.21664/2238-8869.2020v9i1.p488-498

Keywords:

Amastigote Count, Image Segmentation, Environmental Degradation

Abstract

The determination of infection rate parameter from in vitro macrophages infected by Leishmania amastigotes is fundamental in the study of vaccine candidates and new drugs for the treatment of leishmaniasis. The conventional method that consists in the amastigotes count inside macrophages, normally is done by a trained microscope technician, which is liable to misinterpretation and sampling. The objective of this work is to develop a method for the segmentation of images to enable the automatic calculation of the infection rate by amastigotes. Segmentation is based on mathematical morphology in the context of a computer vision system. The results obtained by computer vision system presents a 95% accuracy in comparison to the conventional method. Therefore, the proposed method can contribute to the speed and accuracy of analysis of infection rate, minimizing errors from the traditional methods, especially in situations where exhaustive repetitions of the procedure are required from the technician.

Author Biographies

Guilherme Coelho, Universidade Federal do Rio de Janeiro, UFRJ, Brasil. 

Graduação em Medicina pela Universidade Federal do Rio de Janeiro, UFRJ, Brasil. 

Arlindo Rodrigues Galvão Filho, Pontifícia Universidade Católica de Goiás, PUC GOIÁS, Brasil. 

Doutorado em Ciência da Computação pela Universidade Federal de Goiás, UFG, Brasil. Docente na Pontifícia Universidade Católica de Goiás, PUC GOIÁS, Brasil. 

Rafael Viana-de-Carvalho, Pontifícia Universidade Católica de Goiás, PUC GOIÁS, Brasil.

Doutorado em Computação pela Leiden University, LEIDEN, Holanda. Docente na Pontifícia Universidade Católica de Goiás, PUC GOIÁS, Brasil.

Gustavo Teodoro-Laureano, Universidade Federal de Goiás, UFG, Brasil. 

Doutorado em Engenharia Elétrica pela Universidade de São Paulo, USP, Brasil. Docente na Universidade Federal de Goiás, UFG, Brasil. 

Samyra Almeida-da-Silveira, Fundação Oswaldo Cruz, FIOCRUZ, Brasil. 

Mestrado em Biologia Parasitária pela Fundação Oswaldo Cruz, FIOCRUZ, Brasil. Técnico de Laboratório na Fundação Oswaldo Cruz, FIOCRUZ, Brasil. 

Clebio Eleutério-da-Silva, Fundação Oswaldo Cruz, FIOCRUZ, Brasil. 

Mestrado em Medicina Tropical pela Fundação Oswaldo Cruz, FIOCRUZ, Brasil. 

Rosa Maria Plácido Pereira, Fundação Oswaldo Cruz, FIOCRUZ, Brasil. 

Graduação em Ciência Biológicas pela Fundação Técnico Educacional Souza Marques, FTESM, Brasil. Tecnologista na Fundação Oswaldo Cruz, FIOCRUZ, Brasil. 

Anderson da Silva Soares, Universidade Federal de Goiás, UFG, Brasil. 

Doutorado em Engenharia Eletrônica e Computação pelo Instituto Tecnológico de Aeronáutica, ITA, Brasil. Docente na Universidade Federal de Goiás, UFG, Brasil. 

Telma Woerle de Lima Soares, Universidade Federal de Goiás, UFG, Brasil. 

Doutorado em Ciências da Computação e Matemática Computacional pela Universidade de São Paulo, USP, Brasil. Docente na Universidade Federal de Goiás, UFG, Brasil. 

Adriano Gomes-da-Silva, Instituto Nacional de Infectologia Evandro Chagas, INI, Brasil. 

Doutorado em Medicina Tropical pela Fundação Oswaldo Cruz, FIOCRUZ, Brasil. Pesquisador no Instituto Nacional de Infectologia Evandro Chagas, INI, Brasil. 

Hamilton Barbosa Napolitano, Universidade Estadual de Goiás, UEG, Brasil; Centro Universitário de Anápolis, UniEVANGÉLICA, Brasil.

Doutorado em Física Biomolecular pela Universidade de São Paulo, USP, Brasil. Docente na Universidade Estadual de Goiás, UEG, Brasil; e no Centro Universitário de Anápolis, UniEVANGÉLICA, Brasil.

Clarimar José Coelho, Pontifícia Universidade Católica de Goiás, PUC GOIÁS, Brasil; Centro Universitário de Anápolis, UniEVANGÉLICA, Brasil.

Doutorado em Engenharia Eletrônica e Computação pelo Instituto Tecnológico de Aeronáutica, ITA, Brasil. Docente na Pontifícia Universidade Católica de Goiás, PUC GOIÁS, Brasil; e no Centro Universitário de Anápolis, UniEVANGÉLICA, Brasil.

References

Abrantes, Tuanne Rotti, Guilherme Loureiro Werneck, Andréa Sobral de Almeida, and Fabiano Borges Figueiredo. 2018. “Fatores Ambientais Associados à Ocorrência de Leishmaniose Visceral Canina Em Uma Área de Recente Introdução Da Doença No Estado Do Rio de Janeiro, Brasil.” Cadernos de Saúde Pública 34 (1). https://doi.org/10.1590/0102-311x00021117.
Akhoundi, Mohammad, Katrin Kuhls, Arnaud Cannet, Jan Votýpka, Pierre Marty, Pascal Delaunay, and Denis Sereno. 2016. “A Historical Overview of the Classification, Evolution, and Dispersion of Leishmania Parasites and Sandflies.” Edited by Anne-Laure Bañuls. PLOS Neglected Tropical Diseases 10 (3): e0004349. https://doi.org/10.1371/journal.pntd.0004349.
Almeida, MC de, V Vilhena, A Barral, and M Barral-Netto. 2003. “Leishmanial Infection: Analysis of Its First Steps. A Review.” Memórias Do Instituto Oswaldo Cruz 98 (7): 861–70. https://doi.org/10.1590/S0074-02762003000700001.
Anversa, Laís, Monique Gomes Salles Tiburcio, Virgínia Bodelão Richini-Pereira, and Luis Eduardo Ramirez. 2018. “Human Leishmaniasis in Brazil: A General Review.” Revista Da Associação Médica Brasileira 64 (3): 281–89. https://doi.org/10.1590/1806-9282.64.03.281.
Catharina, Larissa, Carlyle Ribeiro Lima, Alexander Franca, Ana Carolina Ramos Guimarães, Marcelo Alves-Ferreira, Pierre Tuffery, Philippe Derreumaux, and Nicolas Carels. 2017. “A Computational Methodology to Overcome the Challenges Associated With the Search for Specific Enzyme Targets to Develop Drugs Against Leishmania Major.” Bioinformatics and Biology Insights 11 (January): 117793221771247. https://doi.org/10.1177/1177932217712471.
Chan, Tony, and Luminita Vese. 1999. “An Active Contour Model without Edges.” In , 141–51. https://doi.org/10.1007/3-540-48236-9_13.
Conceição-Silva, Fátima, and Carlos Roberto Alves. 2014. Leishmanioses Do Continente Americano. Rio de Janeiro: Editora FIOCRUZ.
Da-Cruz, Alda Maria, and Claude Pirmez. 2005. “Leishmaniose Tegumentar Americana.” In Dinâmica Das Doenças Infecciosas e Parasitárias, edited by José Rodrigues Coura, 697–712. Rio de Janeiro: Guanabara Koogan.
Farahi, Maria, Hossein Rabbani, Ardeshir Talebi, Omid Sarrafzadeh, and Shahab Ensafi. 2015. “Automatic Segmentation of Leishmania Parasite in Microscopic Images Using a Modified CV Level Set Method.” In Seventh International Conference on Graphic and Image Processing (ICGIP 2015), edited by Yi Xie, Yulin Wang, and Xudong Jiang, 98170K. https://doi.org/10.1117/12.2228580.
FIOCRUZ. 2018. “Instituto Nacional de Infectologia Evandro Chagas.” 2018. https://www.ini.fiocruz.br/.
Leal, Pedro, Luís Ferro, Marco Marques, Susana Romão, Tânia Cruz, Ana M. Tomá, Helena Castro, and Pedro Quelhas. 2012. “Automatic Assessment of Leishmania Infection Indexes on In Vitro Macrophage Cell Cultures.” In Image Analysis and Recognition, edited by Aurélio Campilho and Mohamed Kamel, 432–39. Springer. https://doi.org/10.1007/978-3-642-31298-4_51.
Neves, João C., Helena Castro, Ana Tomás, Miguel Coimbra, and Hugo Proença. 2014. “Detection and Separation of Overlapping Cells Based on Contour Concavity for Leishmania Images.” Cytometry Part A 85 (6): 491–500. https://doi.org/10.1002/cyto.a.22465.
Oryan, A., and M. Akbari. 2016. “Worldwide Risk Factors in Leishmaniasis.” Asian Pacific Journal of Tropical Medicine 9 (10): 925–32. https://doi.org/10.1016/j.apjtm.2016.06.021.
Ouertani, F., H. Amiri, J. Bettaib, R. Yazidi, and A. Ben Salah. 2014. “Adaptive Automatic Segmentation of Leishmaniasis Parasite in Indirect Immunofluorescence Images.” In 2014 36th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, 4731–34. IEEE. https://doi.org/10.1109/EMBC.2014.6944681.
Petrou, Maria, and Costas Petrou. 2010. Image Processing: The Fundamentals. 2nd ed. New York: Wiley.
Sifontes-Rodríguez, Sergio, Lianet Monzote-Fidalgo, Nilo Castañedo-Cancio, Ana Margarita Montalvo-Álvarez, Yamilé López-Hernández, Niurka Mollineda Diogo, Juan Francisco Infante-Bourzac, et al. 2015. “The Efficacy of 2-Nitrovinylfuran Derivatives AgainstLeishmania in Vitro and in Vivo.” Memórias Do Instituto Oswaldo Cruz 110 (2): 166–73. https://doi.org/10.1590/0074-02760140324.
Snyder, Wesley E., and Hairong Qi. 2017. Fundamentals of Computer Vision. Cambridge: Cambridge University Press.
Taheri, AhmadReza, Saeid Alikhani, Ameneh Sazgarnia, Maryam Salehi, and SadeghVahabi Amlashi. 2017. “Digital Volumetric Measurement of Cutaneous Leishmaniasis Lesions: Blur Estimation Method.” Indian Journal of Dermatology, Venereology, and Leprology 83 (3): 307. https://doi.org/10.4103/ijdvl.IJDVL_134_16.
Vianna, G. O. 1912. “Tratamento Da Leishmaniose Tegumentar Com Injecções Intravenosas de Tártaro Emético.” In Anais Do VII Congresso Brasileiro de Medicina e Cirurgia, 426–28.
WHO. 2010. “Control of the Leishmaniases: Report of a Meeting of the WHO Expert Commitee on the Control of Leishmaniases.” Geneva.
Yazdanparast, Ehsan, Antonio Dos Anjos, Deborah Garcia, Corinne Loeuillet, Hamid Reza Shahbazkia, and Baptiste Vergnes. 2014. “INsPECT, an Open-Source and Versatile Software for Automated Quantification of (Leishmania) Intracellular Parasites.” Edited by Shaden Kamhawi. PLoS Neglected Tropical Diseases 8 (5): e2850. https://doi.org/10.1371/journal.pntd.0002850.

Downloads

Published

2020-03-05

How to Cite

COELHO, Guilherme et al. Microscopic Image Segmentation to Quantification of Leishmania Infection in Macrophages. Fronteiras - Journal of Social, Technological and Environmental Science, [S. l.], v. 9, n. 1, p. 488–498, 2020. DOI: 10.21664/2238-8869.2020v9i1.p488-498. Disponível em: https://periodicos.unievangelica.edu.br/index.php/fronteiras/article/view/3101. Acesso em: 24 nov. 2024.

Issue

Vol. 9 No. 1 (2020): FRONTEIRAS - ISSN 2238-8869

Section

Articles

License

This journal offers immediate free access to its content, following the principle that providing free scientific knowledge to the public, we provides greater global democratization of knowledge.

As of the publication in the journal the authors have copyright and publication rights of their articles without restrictions.

The Revista Fronteiras: Journal of Social, Technological and Environmental Science follows the legal precepts of the Creative Commons - Attribution-NonCommercial-ShareAlike 4.0 International. Licença Creative Commons